-
题名基于瓦片编码网络的钢轨焊缝几何不平顺识别
- 1
-
-
作者
高天赐
史一帆
江乐鹏
王源
刘晓舟
罗钦
王平
-
机构
深圳技术大学城市交通与物流学院
深圳大学应用技术学院
西南交通大学高速铁路线路工程教育部重点实验室
西南交通大学土木工程学院
深圳市埃伯瑞科技有限公司
-
出处
《铁道科学与工程学报》
北大核心
2025年第5期2346-2354,共9页
-
基金
国家自然科学基金资助项目(52008198,52208441)
广东省普通高校创新团队资助项目(2022KCXTD027)。
-
文摘
钢轨焊缝作为轨道的三大薄弱环节之一,其服役状态对于铁路运营的安全性与稳定性具有重要影响,因此,实现钢轨焊缝几何平直度的快速、高效测量,对于保障铁路行车安全,提升铁路工务人员作业效率具有重要意义。鉴于此,首先利用手推式钢轨短波几何检测装备采集钢轨短波不平顺波形信息;然后,提出一种基于模糊瓦片编码神经网络的深度学习方法,该方法不仅能够输出短波不平顺信号中钢轨焊缝的中心里程位置还可以计算相应位置的识别可靠度,从而实现从多种混合、复杂短波不平顺信号中快速分离出钢轨焊缝的几何波形,提升工务数据利用效率;最后,在某线路开展现场测试,验证该方法的准确性与稳定性,同时将焊缝平直度的检测结果与工务部门使用的电子平直尺测量结果进行对比,提升工程可行性。研究结果表明:1)基于瓦片编码网络的钢轨焊缝识别准确率可达92.01%,召回率可到94.98%;2)同时,基于瓦片编码网络能够准确识别钢轨焊缝中心,与实际焊缝中心偏差可控制在0.03 m以内;3)最终识别焊缝的1 m弦平直度与现场所使用的标准钢直尺+塞尺组合测量幅值结果基本一致,最大幅值相差不超过0.1 mm。综上所述,该研究可为提升工务检测数据的利用效率,降低钢轨焊缝的检测成本提供一定的工程技术参考价值。
-
关键词
钢轨焊缝
瓦片编码网络
短波不平顺
智能检测
焊缝平直度
-
Keywords
rail weld
tile-coding-based neural networks
short-wave track irregularity
intelligent inspection
rail weld irregularity
-
分类号
U213.92
[交通运输工程—道路与铁道工程]
-
